| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 2. 相关理论 | 第16-26页 |
| 2.1 社交网络 | 第16-18页 |
| 2.1.1 社交网络的发展 | 第16页 |
| 2.1.2 社交网络的定义 | 第16-17页 |
| 2.1.3 社团结构 | 第17-18页 |
| 2.2 经典的社团结构挖掘算法 | 第18-23页 |
| 2.2.1 非重叠社团结构挖掘算法 | 第18-20页 |
| 2.2.2 重叠社团结构挖掘算法 | 第20-23页 |
| 2.3 社交网络特征分析及社团结构挖掘算法评价指标 | 第23-26页 |
| 2.3.1 社交网络拓扑特征评价指标 | 第23页 |
| 2.3.2 社团结构挖掘算法评价指标 | 第23-26页 |
| 3. 基于惩罚矩阵的社团结构挖掘算法PMDCSDA | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 惩罚矩阵 | 第26-30页 |
| 3.2.1 惩罚矩阵的原理 | 第26-28页 |
| 3.2.2 基于PMD的复杂网络的社团挖掘 | 第28-29页 |
| 3.2.3 利用PMD进行聚类的模式推理 | 第29-30页 |
| 3.3 实验及结果分析 | 第30-35页 |
| 3.3.1 实验数据 | 第31页 |
| 3.3.2 参数k值对PMDCSDA算法性能的影响 | 第31-33页 |
| 3.3.3 与其他算法的比较 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4. 基于CPM和K-Means结合的社团结构挖掘算法CPM-KMeans | 第36-50页 |
| 4.1 引言 | 第36页 |
| 4.2 CPM-KMeans算法 | 第36-43页 |
| 4.2.1 社团个数的产生 | 第38-39页 |
| 4.2.2 CPM-KMeans算法步骤 | 第39-43页 |
| 4.3 实验及结果分析 | 第43-49页 |
| 4.3.1 实验数据 | 第43页 |
| 4.3.2 参数(?)的设定对算法结果的影响 | 第43-44页 |
| 4.3.3 参数β的设定对算法结果的影响 | 第44-46页 |
| 4.3.4 与其他算法的比较 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5. 总结与展望 | 第50-52页 |
| 5.1 论文主要工作总结 | 第50-51页 |
| 5.2 下一步工作及展望 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 致谢 | 第58-59页 |
